增材制造
增材制造组织及力学性能调控
1. Inconel 718合金激光沉积制造及其裂纹控制
镍基合金按强化方式可分为固溶强化型及沉淀强化型。其中，沉淀强化型镍基合金按主强化相不同又可分为γ'强化型与γ''强化型两类。γ''强化型镍基合金一般具有良好的焊接性，因此可增材性较好，这类合金最具代表性的是Inconel 718。而γ'强化型合金焊接性能差，增材过程中存在严重的开裂现象。因此，本研究主要针对Inconel 738合金的激光直接沉积制造与裂纹抑制展开，旨在为难焊接镍基高温合金的增材制造提高理论依据及技术支持。
2. 激光增材制造修复高温合金Inconel 718
课题围绕激光增材制造修复发动机涡轮叶片进行展开。以叶片边缘、顶端薄壁件为修复重点，在高温合金薄壁件基体上，采用激光同轴送粉的方式进行沉积修复。当前的研究目标是依靠对热循环的分析，建立加工参数、热循环、显微组织和力学性能之间的关系，通过合理调控加工参数以获得成形性高、组织均匀、力学性能达标的修复件。
3. 高强钢强韧性调控及机理
高强钢在经过焊接热循环后，在粗晶区和部分相变区会发生强度和韧性的下降，是焊接接头中最薄弱的区域，为了提高该区域的强度和韧性，通过工艺手段对其进行调控，并对其强韧化机理进行进一步的研究和分析。
增材制造中的熔池监控
1. 激光增材过程智能监测
针对如何提高激光增材制造精度的目标。拟通过多种传感方法，建立模型对实际熔覆层厚度和宽度进行预测，为增材过程中动态调整加工参数提供基础。
机器人磨抛
磨抛表面完整性演变机理与控制
1. 基于机器人的精密磨削加工制造
通过研究磨削过程的加工参数、砂带磨损，准确预测砂带磨削过程中的材料去除率，主要需要通过研究磨削过程中受力情况了解砂带磨削材料去除机制，并通过受力状态预测砂带磨损状态。
2. 基于知识模型+数据模型的磨抛表面完整性调控
通过砂带磨削多磨粒与工件的交互作用，结合工件的材料参数，解析磨削过程中力-热耦合场；基于力热耦合场探究磨削加工层材料的晶粒微结构演变规律，进而探究磨削变形层应力状态、力学性能、抗腐蚀性能等表面完整性的演变规律，最终构建基于磨削物理过程的“磨削参数-表面完整性”知识模型，结合目前常用的数据驱动的模型，提升高温合金砂带磨削的效率与质量。
3. 基于接触状态磨削去除量预测
尝试基于磨削过程中采集的工件表面点云数据，与材料实际磨削去除量数据建立磨削去除量的预测模型，解决目前砂带磨削过程中复杂曲面工件与砂带接触状态难以实时测量，曲面工件磨削去除量难以预测的问题，为复杂曲面材料的精密磨削提供参考依据。进一步尝试通过点云数据的处理，获取材料去除量的空间分布特征，实现材料去除量的可视化。
4. 机器人砂带磨削Inconel 718的表面完整性调控
首先研究了磨削参数与表面完整性主要指标之间的关系，基于声音信号特征， 采用最优剪枝极限学习机（ OP-ELM） 建立了砂带磨损状态预测模型。 通过热源法建立了磨削试样表面温度场模型，获得了机器人砂带磨削过程中试样表面温度的变化规律，用以预测磨削表面的烧损情况。 基于线性加权函数， 建立了以粗糙度、残余应力、畴界尺寸为主要指标的磨削表面完整性预测模型。基于自适应神经模糊推理系统(ANFIS)和粒子群优化算法(PSO)， 建立了磨削试样表面残余应力的预测模型。最后，分析了磨削工艺、 残余应力、表面粗糙度等主要因素对腐蚀性能的影响规律。
5. GH4169镍基合金磨削材料去除量建模及工艺研究
针对航空常用GH4169镍基高温合金，分析影响磨削过程的各个因素，合理选取与材料去除量有关的磨削变量，建立模型并化简其构成。定义了砂带磨削能力系数用以量化磨削过程中砂带的磨损情况。引入时间域变量来衡量砂带在某状态下的累积有效工作时长，结合实际磨削中“断续”加工的特点。基于试验数据建立了砂带磨削能力系数与磨削次序的数学关系，解决了砂带磨损难以量化的问题。采用多元回归分析的方法建立了磨削过程中的数学模型，提出了基于Preston系列方程的修正获得待定数学模型的方法，最终确立了材料磨削过程的经验模型，得到了材料去除量与砂带线速度、法向磨削力及磨削次序的定量关系。
基于点云的逆向重构技术
1. 基于三维点云特征点机器人磨削轨迹规划与路径生成
构建机器人自动打磨轨迹规划系统，涵盖机器人手眼标定模块、待磨拋工件点云数据采集模块、特征识别与轨迹规划模块、视觉坐标与世界坐标转换模块、机器人控制指令生成模块，全面覆盖磨削工序的全流程，大幅提高工件磨拋的加工效率和磨削质量，实现高智能化的三维复杂曲面精密磨削。
2. 基于点云数据的复杂曲面重构和焊缝打磨轨迹规划
针对复杂曲面的焊缝余高打磨的轨迹规划问题，通过对扫描零件表面的点云数据滤波，分割，曲面重构，实现待打磨焊缝区自动识别和机器人打磨轨迹生成，提高机器人打磨自动化程度及效率。研究了油箱焊缝的点云数据采集和高效处理算法，以及油箱焊缝曲面重构。提出了一种自洽拟合的方法，交替求解控制点和优化节点向量，来减小拟合误差。通过对焊缝特征的提取，并将焊缝中心线叠加到曲面，实现模型的快速重构。最后，基于模型重构的研究成果，开发出了焊缝打磨轨迹规划的软件系统。
磨抛过程在线监控
1. 多信号融合的磨削过程在线监控
柔性磨具与工件的弹性接触使高温合金磨削成为最难控制的加工过程之一。监控在严苛环境中服役工件的表面完整性（表面形貌、性能、精度）极为重要。基于理论分析，机器学习建模与磨削信号相结合的方法实现砂带磨削能力监测，接触状态与局部去除量预测以及动态热输入监测。本研究将增加对砂带磨削的理解，同时为实现后续的磨削过程中控形控性提供基础。
2. 基于声音信号的Inconel 718磨削去除率建模与表面性能研究
研究了磨削参数对材料去除率的影响规律，磨削声音与材料去除率之间的相关性。通过对磨削声音信号的时域分析和频域分析，提取磨削声音的特征参数。 建立了基于支持向量回归（SVR）算法、最佳修剪极限学习机（OP-ELM）算法、随机森林（RF）算法、XGBoost算法等机器学习算法的材料去除率预测模型，并使用平均绝对百分比误差（MAPE）对磨削去除率预测准确性进行评估，。最后定量分析研究了磨削参数对工件表面性能的影响，主要包括粗糙度、硬度、残余应力以及表面烧伤等。
3. 基于磨削声音信号特征的砂带磨损状态监测方法研究
针对镍基高温合金的砂带磨削，建立了一套基于磨削声音信号特征的机器人磨削砂带状态监测系统。采集磨削过程中的声音信号，研究磨削声音信号与砂带磨损状态之间的相关性，通过对原始信号进行时域和频域分析，获取声音信号的时域特征和频谱。利用神经网络和随机森林两种算法分别建立了两个识别模型对磨损的三个阶段进行识别。为了进一步提高砂带的有效利用率，在砂带后期加速磨损阶段，建立了一个多元线性回归预测模型进行磨削能力预测。围绕镍基高温合金工件砂带磨削加工中砂带磨损状态监测，初步实现砂带磨损三个阶段的识别和加速磨损阶段砂带磨削能力的评估。
4. Thermal Analysis of grinding process of Inconel 718
研究了INCONEL 718合金在磨削过程中的热行为。研究前期建立了不同的模型来模拟砂轮和工件界面产生和扩散的热量。在计算出热源强度后，再利用Jaeger的移动热源模型来计算棒体沿长度方向磨削时的温度变化以及关于其深度的稳态温度演化曲线。研究中通过ABAQUS的数值模型来计算一些依赖于温度变化的参数以及一些复杂的边界条件等非线性影响。最后，通过INCONEL 718棒材进行实验并将其结果与理论分析和数值模拟结果进行了比较。
